AI赋能虫害监测：人脸识别技术如何应用于精准虫害识别及挑战分析

中国科学院合肥物质科学研究院智能机械研究所研发了一种“虫脸识别”技术，目前已在安徽、江西等六省市推广应用，用于精准识别数十种常见害虫，辅助农业植物保护测报人员和种植户判断田间病虫害发生程度。《环球时报》记者采访了该所智慧农业研究中心博士后杜健铭，详细了解了这项技术的应用。

基于人工智能的田间害虫识别系统

“虫脸识别”技术是一种基于人工智能图像识别和检测技术的病虫害测报手段。其工作流程包括拍摄、上传、分析和反馈四个环节，帮助植保人员和种植户快速了解农田病虫害情况。

该研究所自主研发了用于田间图像采集的智能设备（见上图）。该设备由一根配备高清摄像头和传感器的“自拍杆”以及搭载专用App的智能终端组成，可轻松采集作物根系、果树树梢等难以到达区域的图像数据。

田间图像采集完成后，图片通过专用App上传至后端算法服务器。服务器利用人工智能技术分析图像信息，并在约1秒内将识别结果反馈至移动终端。用户可在移动终端实时查看害虫种类和数量，并根据多个采样点的结果综合评估虫害发生等级，从而辅助农业专家进行快速田间调查并提供防治建议。此外，所有数据将存储于云端数据库，工作人员可通过电脑客户端进行更详细的查阅、编辑、备注和下载，完成完整的测报工作。

除移动端应用外，该研究所还与其他机构合作，研发了多种测报装置下的病虫害识别技术，例如基于田间固定式害虫测报灯的害虫智能识别技术。该技术利用光诱灯诱捕害虫，并定期自动拍照，再运用人工智能技术进行远程识别，测报灯对重点害虫的识别率可达75%-80%，部分重要害虫的识别率甚至可达90%。

“虫脸识别”的技术挑战与突破

与广泛应用的人脸识别技术相比，“虫脸识别”的难度更大。人脸识别主要依靠识别眼睛、鼻子、嘴巴等几十个关键点，而害虫的形态特征更为复杂多样。

杜健铭指出，“虫脸识别”面临诸多挑战：首先，许多害虫的相似度极高，例如鳞翅目下包含数十种外观相似的常见田间作物害虫，即使是专业人员也需要仔细辨别；其次，害虫大小不一，小型害虫在照片中难以分辨；此外，逆光、阴影等拍摄因素也会影响图像质量，增加识别难度。更重要的是，我国主要经济作物可能出现的害虫种类多达数百种，且同一种害虫在不同虫龄和发育阶段形态差异巨大，这使得“虫脸识别”需要应对多姿态、多种类、多形态的识别需求，技术难度远高于人脸识别。

为提升识别准确率，建立规模庞大的“虫脸”数据库至关重要。
0%。该技术在迁飞性害虫及小麦、水稻主要害虫识别方面已取得显著成效。

迈向自动化病虫害精准预测

“虫脸识别”技术最初在安徽省试点，后经全国农业技术推广服务中心与安徽省植保总站推广，应用范围逐步扩展至6个省市（安徽、江西、河南、湖南、湖北、山东）。

该技术显著提高了病虫害监测效率，降低了成本。研究团队将持续改进技术，提升识别种类及准确率，包括更新硬件设备以提高图像质量，并针对难以识别的“虫脸”，研发新算法，融合专家经验和人类感知能力，构建融合多种知识的图像识别推理模型，增强识别能力。

除实时病虫害监测外，研究团队正致力于实现自动化病虫害精准预测。未来，将通过无人设备或智能化辅助设备替代人工田间数据采集，并利用人工智能技术自动构建、补充和维护预测模型，实现自动化、快速迭代的害虫发生预测，为农业专家提供更快速、准确的病虫害预测服务。